Abstract
Bakgrunn og Mål
Undersøkelse av mikrobe-metabolitt forhold i tarmen er nødvendig for å forstå og potensielt redusere tykktarmskreft (CRC) risiko.
Metoder
Microbiota og metabolomics profilerings ble utført på frysetørkede avføring fra 42 CRC tilfeller og 89 matchede kontroller. Multivariat logistisk regresjon ble brukt for å identifisere statistisk uavhengige foreninger med CRC. Først rektor samordne-komponent pair (PCo1-PC1) og falske funnrate (0,05) -corrected P-verdier ble beregnet for 116.000 Pearson korrelasjoner mellom 530 metabolitter og 220 mikrober i en sex * sak /kontroll meta-analyse.
Resultatene
Totalt mikrobe-metabolitt PCo1-PC1 ble sterkere korrelert i tilfeller enn i kontrollgruppen (Rho 0,606 vs 0,201, p = 0,01). CRC ble uavhengig assosiert med lavere nivåer av Clostridier, Lachnospiraceae,
p
-aminobenzoate og konjugert linoleate, og med høyere nivåer av Fusobacterium, Porphyromonas,
p
hydroxy-benzaldehyd, og palmitoyl-sphingomyelin . Gjennom postulerte virkning på celle Shedding (palmitoyl-sphingomyelin), betennelse (konjugert linoleate), og medfødt immunitet (
p
-aminobenzoate), metabolitter mediert CRC tilknytning Fusobacterium og Porphyromonas med 29% og 34%, henholdsvis . Samlet sett palmitoyl-sphingomyelin korrelert direkte med Forekomsten av Enterobacteriaceae (Gammaproteobacteria), tre aktinobakterier og fem firmicutes. Bare Parabacteroides korrelert omvendt med palmitoyl-sphingomyelin. Andre lipider korrelerte inverst med Alcaligenaceae (Betaproteobacteria). Seks Bonferroni-signifikante sammenhenger ble funnet, inkludert lav indolepropionate og threnoylvaline med aktinobakterier og høy erythronate og en uncharacterized metabolitt med Enterobacteriaceae.
Konklusjoner
Avføring fra CRC tilfeller hadde svært sterke mikrobe-metabolitt sammenhenger som ble dominerte av Enterobacteriaceae og aktinobakterier. Metabolitter formidlet direkte CRC tilknytning Fusobacterium og Porphyromonas, men ikke en invers assosiasjon med Clostridier og Lachnospiraceae. Denne studien identifiserer komplekse mikrobe-metabolitt nettverk som kan gi innsikt i neoplasi og mål for intervensjon
Citation. Sinha R, Ahn J, Sampson JN, Shi J, Yu G, Xiong X, et al. (2016) Fecal Microbiota, Fecal metabolomet, og tykktarmskreft sammenhengene. PLoS ONE 11 (3): e0152126. doi: 10,1371 /journal.pone.0152126
Redaktør: Peh Yean Cheah, Singapore General Hospital, SINGAPORE
mottatt: 15 september 2015; Godkjent: 09.03.2016; Publisert: 25 mars 2016
Dette er en åpen tilgang artikkel, fri for all opphavsrett, og kan bli fritt reproduseres, distribueres, overføres, endres, bygd på, eller brukes av alle for ethvert lovlig formål. Arbeidet er gjort tilgjengelig under Creative Commons CC0 public domain engasjement
Data Tilgjengelighet:.. Alle relevante data er i avisen og dens saksdokumenter filer
Finansiering: Dette arbeidet ble støttet av National Cancer Institute utført Research Program og tilskudd R03CA159414 og R01CA159036. Finansiører hadde ingen rolle i studiedesign, datainnsamling og analyse, beslutning om å publisere, eller utarbeidelse av manuskriptet
Konkurrerende interesser:.. Forfatterne har erklært at ingen konkurrerende interesser eksisterer
Forkortelser : BMI, body mass index; CRC, tykktarmskreft; KI, konfidensintervall; FDR, falske funnrate; OR, odds ratio; PABA,
p
-aminobenzoate; PC, prinsipal komponent; PCO, rektor koordinere; SD, standardavvik
Innledning
gut mikrobiell populasjon (bakterieflora) bærer større enn 100 ganger flere gener enn det menneskelige genom, der det regulerer en rekke prosesser, slik som energihøsting, metabolisme av kosttilskudd komponenter, immunitet og aktiviteter av verten eller mikrobielle avledet kjemikalier. [1] Endring eller frank dysfunksjon av disse prosessene er nært knyttet til inflammatorisk tarmsykdom, underernæring og metabolsk syndrom, [2-4], og det påvirker risikoen for en lang rekke sykdommer, inkludert kolorektal cancer (CRC). [5-11] Hel-genom hagle sekvensering har gitt innsikt i den metabolske potensialet i tarmfloraen, særlig i studier med transcriptomics. [1, 12-14] Målrettede innsikt ha kommer fra studier av mikrobiell konsortier, kosttilskudd intervensjoner, gnotobiotiske musemodeller, og overføring av fecal bakterieflora fra syke eller friske mennesker. [3, 13, 15] til tross for fremgang, en omfattende sammenligning av alle påvisbare metabolitter med alle mikrober i distal menneske gut mangler.
Vi har tidligere rapportert CRC assosiasjoner med avføring microbiota, spesielt redusert relativ overflod av Lachnospiraceae og andre clostridier og økt transport av Fusobacterium, Atopobium, og Porphyromonas. [16] på samme befolkningen, CRC var assosiert med forskjeller fra de matchede kontroller i nivåer av dusinvis av fekal metabolitter. [17] Heri, forsøkte vi å avdekke sammenhenger mellom fekal mikrober og metabolitter, og for å identifisere statistisk uavhengige forskjeller mellom CRC og matchede kontroller.
Material og metoder
Studier deltakere og prøver
undersøkelsen design har blitt beskrevet tidligere. [18, 19] i korthet nydiagnostiserte tilfeller med adenokarsinom i tykktarmen eller endetarmen ble rekruttert før kirurgi og behandling i løpet av 1985-1987. [18, 19] Controls var pasienter som venter på elektiv kirurgi for ikke-onkologiske, ikke-gastrointestinale forholdene ved disse sykehusene i samme periode. En median på 6 dager (interkvartilt område, 3-13 dager) før sykehusinnleggelse og kirurgi, deltakere fullførte kosttilskudd og demografiske spørreskjemaer og gitt to-dagers fekale prøvene som ble frosset hjemme på tørris og deretter frysetørket. De to-dagers lyophilates ble samlet, blandet og lagret ved -40 ° C. Deltakerne forutsatt skriftlig informert samtykke. Samtykket prosess- og studie prosedyrer ble gjennomgått og godkjent av en Institutional Review Board ved National Cancer Institute. [18, 19]
Av 69 tilfeller og 114 kontroller i den opprinnelige studien, [18, 19] saken -kontroll analysen inkluderte 48 tilfeller og 102 kontroller for hvem minst 100mg av frysetørrede avføring var tilgjengelig. Kontrollene ble frekvens tilpasses tilfeller etter kjønn og kroppsmasseindeks (BMI). Bakterieflora og metabolomic analyser ble utført med disse frysetørkede fekale prøver. Som beskrevet tidligere, [16, 17] i begge bestemmelsessystemer omfatter dataene var av utmerket kvalitet og meget reproduserbar. For dagens analyser, var det 42 saker og 89 kontroller som hadde både metabolomics og bakterieflora data.
Microbiota analyserer
Detaljene på forsterkningen, sekvensering, klassifisering og analyse av 16S rRNA gener i Ahn et al. [16] i korthet ble DNA ble ekstrahert ved hjelp av Mobio PowerSoil DNA Isolation Kit (Carlsbad, CA). 16S rRNA amplikonene dekning av variable regioner V3 til V4 ble generert, og amplikonene ble sekvensert med 454 Roche FLX Titanium pyrosekvensering system. Filtrerte sekvenser ble binned til operative taksonomiske enheter med 97% identitet og justert til fullt sekvensert mikrobielle genomer (IMG /GG Greengenes) ved hjelp av QIIME rørledningen. [20] Den nåværende analysen ble begrenset til 220 mikrober (over taksonomiske nivåer, inkludert 91 firmicutes, 33 bacteroidetes, 45 Proteobacteria, 11 aktinobakterier, 5 Fusobacteria, og 35 i andre phyla) som ble oppdaget i minst 13 (10%) av pasientene.
Metabolomics analyserer
En utvalg av små molekyler (mest 1000 dalton) ble påvist i de lyofiliserte fekale prøver med høy ytelse væskefase-kromatografi og gass-kromatografi koplet med tandem massespektrometri (HPLC-GC /MS-MS, Metabolon, Inc., North Carolina, USA) som beskrevet tidligere. [21, 22] Kort beskrevet, ikke-målrettede enkelt metanol ekstraksjon ble gjennomført, fulgt av proteinutfelling. Individuelle molekyler og deres relative nivåer ble identifisert fra de massespektrale topper sammenlignet med et kjemisk referansebibliotek som genereres fra 2500 standarder, basert på masse spektraltopper, retensjonstider og masse-til-ladning-forhold. Molekyler omfatter, men er ikke begrenset til, aminosyrer, karbohydrater, fettsyrer, androgener, og xenobiotika. Flyktige molekyler, slik som kortkjedede fettsyrer, kan gå tapt under frysetørking eller ekstraksjon. Imidlertid er slikt tap generelt tilsvarende på tvers av prøver, og lyofilisering er optimal for fekale prøver for å sikre lik belastning av tørrvekt. Analysen ble begrenset til 530 metabolitter som ble oppdaget i minst 118 (90%) av pasientene.
Statistiske analyser
Det overordnede målet var å identifisere samvariasjon og mulige interaksjoner mellom fecal metabolitter og fecal mikrober, enten i forbindelse med CRC eller ikke. For CRC foreningen, brukte vi ubetinget logistisk regresjon for å beregne odds ratio (OR) og 95% konfidensintervall (CI), med saksstatus som avhengig variabel og med hver CRC-forbundet mikrobe som den primære uavhengige variabelen; [16] alder, kjønn og BMI ble inkludert for empirisk justering av potensielle forvirrende. Inkludert rase i modellene hadde ingen materielle innvirkning på estimatene. Til hver mikrobe modell, ble metabolitter lagt i en fremskutt trinnvis logistisk regresjon, og metabolitter i forbindelse med CRC på P≤0.15 ble beholdt. Endring i OR med tillegg av metabolitter ble beregnet som (OR
ingen metabs-ELLER
metabs) /(OR
ingen metabs- 1). For standardiserte anslag, ble relative overflod av mikrober og naturlige logg nivåer av metabolitter normalisert å bety 0 og standardavvik 1. Vi rapporterer også Pearson korrelasjonskoeffisientene mellom metabolitter og mikrober som var knyttet til CRC.
for det globale målet uavhengig av CRC, vi vurdert alle 530 metabolitter og 220 mikrober, og brukt lineær regresjon, stratifisert etter kjønn og saksstatus, for å identifisere assosiasjoner mellom metabolitter og mikrober. For hver av de 530 x 220 regresjoner, vi justert for alder, rase (hvit vs Annet), BMI, og sykehuset. Vi illustrerer det totale omfanget av foreninger ved å plotte-log10 (P-verdier) for hver metabolitt-mikrobe paring i en «Manhattan» plot. Vi beregnet også korrelasjoner av topphovedkomponent (PC1) og rektor koordinere (PCo1) av metabolittene og mikrober, henholdsvis. Hovedkomponentene og hoved koordinatene ble oppnådd fra den resterende matriks av lineære regresjonsmodeller, korrigert for alder, rase, BMI, og sykehus, for hver metabolitt eller mikrobe, respektivt. Å sammenligne korrelasjonen ρ
1, mellom PC1 og PCo1 i saker mot korrelasjonen ρ
2 kontroller, søkte vi Fisher Z-transformasjon Z (ρ) = 0.5ln ((1 + ρ /1-ρ) ) til hver korrelasjon, og deretter testet om Z (ρ
1) -Z (ρ
2) er signifikant forskjellig fra 0. Vi antok Z (ρ
1) -Z (ρ
2) ble normalfordelt med gjennomsnitt 0 og varians 1 /(N
1-3) + 1 /(N
2-3) under nullhypotesen der N
1 og N
2 er nummer av tilfellene og kontroller, henholdsvis. Den to-sidig P-verdi er 2 * (1-P
norm [(Z (ρ
1) Z (ρ
2)] /sqrt (var)). Statistiske analyser ble utført i R versjon 3.1.0 (R Foundation for Statistiske Computing, Wien, Østerrike, https://www.R-project.org/).
Resultater
Komplette fekale bakterieflora og metabolomet data var analysert for 42 CRC tilfeller og 89 alders- og BMI-matchet kontroller [2] Disse 131 personene hadde en gjennomsnittsalder på 60 år (SD 13,2) og en gjennomsnittlig BMI på 25,6 (SD 4,2),. de var overveiende hvite og mannlige ( Tabell 1). Cases seg ikke fra kontroller på alder, BMI, røyking eller sykehus, men en høyere andel av tilfellene var afrikansk-amerikanske og mannlige (tabell 1).
Joint sammenslutninger av fekal bakterieflora og fekal metabolitter med CRC
i logis regresjonsmodeller som inkluderte alder, kjønn og BMI, fire mikrober var signifikant assosiert med CRC i separate modeller: Fusobacterium (OR 10.17, CI 2,95 til 35,0), Porphyromonas (OR 5,32, CI 1,76 til 16,05), clostridier (OR 0,57, CI 0,38 til 0,85), og Lachnospiraceae (OR 0,61, CI 0,40 til 0,92). Tabell 2 viser disse og tilsetning av fecal metabolitter forbundet med CRC ved et kriterium for P≤0.15. I disse modellene, OR for CRC var ca 2,8 med palmitoyl-sphingomyelin, 2,4 med
p
hydroxy-benzaldehyd, 0,5 med
p
-aminobenzoate (PABA), og 0,5 med conjugated- linoleate-18-2N7 (CLA). Alfa-tokoferol (OR 0,6) bidratt til Fusobacterium og Porphyromonas modeller, og Mandelatsalt (OR 1,6) bidratt til Clostridier og Lachnospiraceae modeller. Med metabolitter i mikrobe-modeller, den høye OR av CRC med Fusobacterium ble redusert med 29% (10,17 til 7,53), og den høye OR med Porphyromonas ble redusert med 34% (5,32 til 3,83). Demping av de lave ORS med Clostridier og Lachnospiraceae var mindre markert (3,9% og 1,5%, henholdsvis).
For ytterligere innsikt i de mikrober og fire metabolitter som bidro til alle de logistiske regresjonsmodeller, parvise Pearson korrelasjonskoeffisienter ble beregnet ved case-control status. I tilfeller sterke korrelasjoner (| ρ | ≥0.30) ble funnet i tre metabolitt par: direkte for linoleate-PABA, invers for benzaldehyde-sphingomyelin og benzaldehyd-CLA (Tabell 3). Tilfellene hadde også sterke korrelasjoner av sphingomyelin med mikrober, som var inverse med Clostridier og Lachnospiraceae og direkte med Fusobacterium. Også i tilfeller ble Fusobacterium direkte korrelert med Porphyromonas. Kontrollene hadde noen sterke sammenhenger: benzaldehyde-PABA (ρ = 0,30), Lachnospiraceae-PABA (ρ = -0,36), og Lachnospiraceae-Clostridier (ρ = 0,55). S1 Tabell presenterer, for saker og kontroller separat, de 20 metabolitter som var sterkest korrelert med hver av CRC-forbundet mikrober.
Sammenslutning av fekal microbiota med fekal metabolitter
for ytterligere å undersøke sammenhengen mellom bakterieflora og metabolitter, gjennomførte vi den viktigste komponenten /koordinere analyse av alle 530 metabolitter og 220 mikrober. Vi fant at korrelasjonen mellom metabolitt PC1 og mikrobiell PCo1 var mye sterkere i CRC tilfeller enn i kontrollene (Rho 0,606 vs 0,201, p = 0,01). For en oversikt, brukte vi en fire-gruppe meta-analyse (sex * sak /kontroll), ytterligere justert for alder, BMI, rase og påmelding sykehuset. Fig 1 viser alle 116600 (530 * 220) meta-analyse P-vales av mikrobiell phylum. Ved FDR = 0,1 terskel, var det 263 signifikante metabolitt sammenhenger, inkludert 32 (12%) med aktinobakterier, 54 (20%) med Proteobacteria, 141 (54%) med firmicutes, 33 (13%) med bacteroidetes, 1 (0,3 %) med Fusobacteria, og 2 (0,7%) med mikrober i andre phyla. På FDR = 0.05 terskel, det var 72 betydelige metabolitt sammenhenger, blant annet 14 (19%) med aktinobakterier, 15 (21%) med Proteobacteria, 31 (43%) med firmicutes, 12 (17%) med bacteroidetes, og ingen med Fusobacteria eller mikrober i andre phyla. S5 Tabell presenterer utforsk sammenslutninger av CRC med disse 72 FDR = 0.05-signifikant korrelert mikrobe-metabolitt par. I disse 72 logis regresjonsmodeller, CRC hadde en nominell direkte tilknytning til to-aminobutyrate (OR 1,60, CI 1,07 til 2,39) og g_Arcobacter (phylum Proteobacteria, OR 1,94, CI 01.17 til 03.22), og det hadde en nominell invers assosiasjon med ukjent metabolitt X_17626 (OR 0,59, CI 0,39 til 0,91) og g_Ruminococcus (phylum firmicutes, OR 0,59, CI 0,35 til 0,99)
Mikrober er fargekodet etter phylum (aktinobakterier, rød,. bacteroidetes, gul, firmicutes, lilla ; Proteobacteria, cyan, Fusobacteria, svart, andre phyla, oransje) og sortert etter slekten. Bonferroni og falske funnrate (FDR) 0,05 og 0,1 terskellinjer presenteres.
De 4 Bonferroni-signifikant invers korrelasjon var indolepropionate med Actinomyces (aktinobakterier), threnoylvaline med Bifidobacterium (aktinobakterier), alanylalanine med Catabacteriaceae (firmicutes), og to-aminobutyrate med Butyricimonas (bacteroidetes); de to Bonferroni-betydelige direkte korrelasjon var erythronate med Enterobacteriaceae (Proteobacteria) og en uncharacterized metabolitt med Klebsiella (Proteobacteria).
To klynger av Proteobacteria fått klare metabolitt korrelasjoner (fig 2, cyan barer A og B). Cluster A (Gammaproteobacteria, spesielt Enterobacteriaceae) hadde invers korrelasjon med tre lipider (lithocholate, isovalerate, og valerat), og denne klyngen hadde sterke direkte korrelasjon med seks aminosyrer, to karbohydrater (erythronate og laktat), to kofaktorer /vitaminer (arabonate og threonate), en energi (succinate), to lipider (glykokolat og palmitoyl-sphingomyelin), en nukleotid (urat), to peptider, to uncharacterized metabolitter, og en xenobiotisk (dihydrocaffeate). Cluster B (Betaproteobacteria, spesielt Alcaligenaceae) hadde direkte korrelasjon med samme karbohydrater, erythronate og laktat; men de fleste av de andre sammenhenger avvek for klynger A og B (Enterobacteriaceae og Alcaligenaceae). Cluster C omfattet tre aktinobakterier og fem firmicutes; og det skilte seg fra klynge A overveiende ved invers korrelasjon med tre aminosyrer, en kofaktor /vitamin, og to nukleotider. Cluster D inkludert fem aktinobakterier (spesielt Bifidobacteriaceae) som ble omvendt korrelert med guanosin og threonylvaline. Parabacteroides, den eneste mikrobe omvendt korrelert med palmitoyl-sphingomyelin, ble også omvendt korrelert med tre dipeptider og tre nukleotider.
Asterisk (*) viser sammenhengen signifikant på falske funnrate (FDR) 0,2. Striper øverst er fargekodet etter phylum, som i figur 1 (Proteobacteria, cyan, aktinobakterier, rød, firmicutes, lilla, bacteroidetes, gul). Klynger er vilkårlig merket A, B, C og D. barer til venstre er fargekodet etter metabolitt sti, som angitt.
Diskusjoner
Ved å sammenligne en omfattende profil av microbiota til et omfattende panel av metabolitter i de samme prøvene, den nåværende studien viste mikrobe-metabolitt sammenhenger i menneskelig avføring. Det viste også statistisk uavhengige mikrobe-metabolitt forskjeller mellom CRC saker og matchet kontroller. Disse funnene utfyller metagenomic og dyremodellstudier som har identifisert egenskapene til den distale humane tarmbakterieflora som er forbundet med CRC, inflammatorisk tarmsykdom, metabolsk syndrom, fedme eller feilernæring. [1-4, 11, 13, 14, 16] Samlet sett i 131 personer fant vi 72 sammenhenger mellom fekal metabolitter og mikrober som var signifikante på FDR 0,05 nivå, hvorav seks var signifikante på Bonferroni nivå. Den svært mangfoldig firmicutes phylum hadde 43% av FDR-signifikante sammenhenger, mens høyt konservert Fusobacteria og andre sjeldne phyla hadde ingen. Mikrobe-metabolitt korrelasjoner var vesentlig sterkere i CRC tilfeller enn i kontrollene. Direkte sammenligning av saker til kontroller, ble CRC assosiert med signifikant lavere nivåer av Clostridier, Lachnospiraceae, PABA og CLA, og med høyere nivåer av Fusobacterium, Porphyromonas, palmitoyl-sphingomyelin og
p
hydroxy-benzaldehyde.
Våre Bonferroni-signifikante mikrobe-metabolitt parene bør bemerkes. Butyricimonas, en smørsyre-produserende slekten i familien Porphyromonadaceae (bacteroidetes), ble omvendt korrelert med 2-aminobutyrate og tilsynelatende forårsaket septisk sjokk i en nylig rapportert CRC pasient. [23] Fire andre septik pasienter ga funn av
Catabacter hongkongensis
, [24, 25] som er den eneste medlem av den nye Catabacteriaceae (firmicutes) som vi har funnet å være inverst korrelert med en fekal dipeptid. Proteobacteria og aktinobakterier ble korrelert med flere metabolitter. Enterobacteriaceae (Gammaproteobacteria), som omfatter Klebsiella, Escherichia, Shigella, Salmonella, Serratia, og andre patogener, var direkte korrelert med en uncharacterized metabolitt og med erythronate, et produkt av hyaluronsyre metabolisme og oksidativt stress. [26, 27] Av de aktinobakterier noen Streptomyces arter produserer et bredt spekter av vanlig brukte antimikrobielle medisiner og andre metabolitter;. [28] og Actinomyces hadde en Bonferroni-signifikant invers assosiasjon med indolepropionate i vår studie
av 11 fekal metabolitter forbundet med CRC i univariate analyse [17] bare fire var uavhengig assosiert med malignitet justert for hverandre og for en CRC-assosiert mikrobe (tabell 2). Dette skyldes, i det minste delvis, korrelasjoner av flere metabolitter med hverandre (tabell 3) og eventuelt delte trasé. [17] Likevel, CRC assosiasjoner med disse fire metabolitter (PABA, CLA, palmitoyl-sphingomyelin, og
p
hydroxy-benzaldehyd) ble bare beskjedent svekket da de ble gjensidig justert for hverandre. Tilsvarende disse metabolittene minimalt svekket CRC tilknytning to lavrisiko mikrober (Clostridier og Lachnospiraceae). I kontrast, ble CRC tilknytning til høyrisiko mikrober (Fusobacterium og Porphyromonas) dempes 40-53% av metabolittene, som tyder på at disse metabolittene megle, delvis, foreningen av Fusobacterium og Porphyromonas med CRC.
som gjennomgått andre steder, [29] den microbiota produserer tusenvis av kjemisk forskjellige molekyler som potensielt kan påvirke menneskers helse. Hvordan slike mikrobielle metabolitter, inkludert de i tabell 2, påvirke eller merke CRC risiko er ukjent. Mulige mekanismer omfatter shedding av cellemembraner på grunn av mikrobiell invasjon; [30-32] modulering av bakteriell replikasjon, betennelse og kreft,. [33-37] og syntese av PABA og antibiotika forløpere [38-40]
Denne studien hadde viktige begrensninger. Først er representativitet av metabolittene oppdaget i vår 20 år gamle eksemplarer ukjent, selv om de ble lagret i en lyofilisert tilstand ved eller under -40 ° C. For det andre, vår studie ikke formelt dissekere interaksjoner av de markerte metabolitter og mikrober. Dette kan gjøres ved å studere systematisk bygget mikrobiell konsortier. [15] For det tredje, mens mikrobe-metabolitt sammenhenger anses mangfoldet av sammenligninger, de assosiasjoner med CRC ikke. Til tross for dette, både mikrobe-metabolitten og CRC foreninger presentere hypoteser for uavhengige eller felles effekter som kan undersøkes i fremtidige studier. Fjerde, manglet vi et ekstra sett med prøver for ekstern validering. Imidlertid, ved å fokusere på et fast sett av topp metabolitter, erholdt vi et anslag på den øvre grense for den effekt av metabolittene på hver av CRC-assosierte bakterier. Fjerde, selv om vår studie betraktet 530 små molekyler, det gjorde ikke ansette state-of-the-art holistisk plattformer som gjenkjenner opptil 10 ganger mer fekal metabolitter, [41, 42] heller ikke gjorde det spesielt sondere immunologiske og inflammatoriske mekanismer som er sentralt involvert i CRC patogenesen. [10, 43, 44] Endelig har vi ikke identifisert funksjoner av fekal mikrober som vi oppdaget. Tidligere har vi nevnt at virksomheten til to viktige enzymer i avføring, β-glucuronidase og β-glukosidase, var direkte korrelert med microbiota alfa mangfold og overflod av Clostridier, og omvendt korrelert med Forekomsten av Streptococcus og Alistipes. [45] Andre har vist at microbiota av spesifikk patogen-frie musene kan generere anti-inflammatorisk regulatoriske T-celler, som moderat systemisk immunitet, gjennom produksjon av smørsyre. [46]
i sammendraget, denne studien avdekket et komplekst nettverk av mikrober og molekyler i menneskelig avføring. I dette nettverket, CRC tilfeller hadde sterke mikrobe-metabolitt korrelasjoner som ble dominert av Proteobacteria og aktinobakterier. For å få innsikt i sykdommen og for å identifisere mål for intervensjon, vil funksjonelle studier være nødvendig. Til syvende og sist, innovative prospektive studier på mennesker, inkludert kliniske studier vil være nødvendig. [15, 47]
Hjelpemiddel Informasjon
S1 Table. Metabolitter sterkest korrelert med kolorektal kreft-assosiert taxa, med case-control status
doi:. 10,1371 /journal.pone.0152126.s001 plakater (XLSX)
S2 Table. Standardiserte nivåer av alle metabolitter blant deltagerne
doi:. 10,1371 /journal.pone.0152126.s002 plakater (CSV)
S3 Table. Relativ overflod av alt mikrobiell taxa blant deltagerne
doi:. 10,1371 /journal.pone.0152126.s003 plakater (CSV)
S4 Table. Tykktarmskreft (CRC) case-control status, kovariater og logistikk regresjon betaverdier for sammenslutninger av kandidat metabolitter og mikrobiell taxa med CRC
doi:. 10,1371 /journal.pone.0152126.s004 plakater (CSV)
S5 Table. Logistisk regresjon forbindelse med tykktarmskreft (CRC) for de 72 metabolitt-mikrobiell takson parene som ble korrelert med hverandre på falske funnrate (FDR) 0.05
doi:. 10,1371 /journal.pone.0152126.s005 product: ( XLSX)
Takk
finansiering. Støttet av National Cancer Institute utført Research Program og tilskudd R03CA159414 og R01CA159036.
